[PYTHON] Apprentissage en profondeur avec Shogi AI sur Mac et Google Colab

Livre "Deep Learning Learned with Shogi AI" de Tadao Yamaoka Code source d'origine https://github.com/TadaoYamaoka/python-dlshogi.git

Objectif

Exécutez "Deep Learning avec Shogi AI" sur iMac et Google Colab. Créez un environnement de base sur iMac et n'utilisez le GPU de Google Colab que lors de l'apprentissage.

environnement

iMac Modèle par défaut iMac 2020 27 pouces Processeur Intel Core i5 de 10e génération à 6 cœurs à 3,1 GHz Jusqu'à 4,5 GHz lors de l'utilisation de Turbo Boost 8 Go de mémoire DDR4 à 2666 MHz Stockage SSD de 256 Go Radeon Pro 5300 (avec 4 Go de mémoire GDDR6) OS : Catalina Python: 3.8.2 et 2.7 préinstallés. Cette fois, j'ai utilisé 3.8.2. Google Colab Python 3.6.9

Résumé des résultats

Préparez le fichier côté iMac et synchronisez-le avec Google Drive. image.png L'apprentissage est exécuté du côté de Google Colab. image.png Jouez sur iMac. image.png Vidéo de jeu https://youtu.be/vPCsmi3_Zu8

table des matières

Utiliser Google Colab </ b> [Préparation de Google Colab](https://qiita.com/kazunoriri/items/ef116e1cf88b4649a9b7#google-colab%E3%82%92%E4%BD%BF%E3%81%88%E3%82% 8B% E7% 8A% B6% E6% 85% 8B% E3% 81% AB% E3% 81% 99% E3% 82% 8B) Côté local Côté Google Colab [Mount Drive](https://qiita.com/kazunoriri/items/ef116e1cf88b4649a9b7#%E3%83%89%E3%83%A9%E3%82%A4%E3%83%96%E3%82% 92% E3% 83% 9E% E3% 82% A6% E3% 83% B3% E3% 83% 88% E3% 81% 99% E3% 82% 8B) [Activer le GPU](https://qiita.com/kazunoriri/items/ef116e1cf88b4649a9b7#gpu%E3%82%92%E6%9C%89%E5%8A%B9%E3%81%AB%E3% 81% 99% E3% 82% 8B) [Install chainer](https://qiita.com/kazunoriri/items/ef116e1cf88b4649a9b7#chainer%E3%82%92%E3%82%A4%E3%83%B3%E3%82%B9%E3%83% 88% E3% 83% BC% E3% 83% AB) [Installez python-shogi et pydlshogi](https://qiita.com/kazunoriri/items/ef116e1cf88b4649a9b7#python-shogi%E3%81%A8pydlshogi%E3%82%92%E3%82%A4%E3%83% B3% E3% 82% B9% E3% 83% 88% E3% 83% BC% E3% 83% AB) Utiliser Google Colab Côté local Côté Colab Exécution de l'apprentissage Expérience 　　CPU vs GPU

Chapitre 1-6 </ b> Chapitre 1-5 [Chapitre 6 Infrastructure d'apprentissage profond](https://qiita.com/kazunoriri/items/32c45e46bb122ae1ef7c#%E7%AC%AC6%E7%AB%A0-%E3%83%87%E3%82%A3% E3% 83% BC% E3% 83% 97% E3% 83% A9% E3% 83% BC% E3% 83% 8B% E3% 83% B3% E3% 82% B0% E3% 83% 95% E3% 83% CA% E3% 83% BC% E3% 83% A0% E3% 83% AF% E3% 83% BC% E3% 82% AF) Avertissement de chainer et numpy

Chapitre 7 1-4 </ b> [Chapitre 7 Policy Network](https://qiita.com/kazunoriri/items/f91e39e36cf179750e5e#%E7%AC%AC7%E7%AB%A0-%E6%96%B9%E7%AD%96%E3% 83% 8D% E3% 83% 83% E3% 83% 88% E3% 83% AF% E3% 83% BC% E3% 82% AF) 　　7.1～7.4 　　　policy.py [Signification de 194 filtres](https://qiita.com/kazunoriri/items/f91e39e36cf179750e5e#%E3%83%95%E3%82%A3%E3%83%AB%E3%82%BF%E3% 83% BC% E6% 95% B0194% E5% 80% 8B% E3% 81% AE% E6% 84% 8F% E5% 91% B3) [Signification du filtre 1x1](https://qiita.com/kazunoriri/items/f91e39e36cf179750e5e#1x1%E3%83%95%E3%82%A3%E3%83%AB%E3%82%BF%E3%83 % BC% E3% 81% AE% E6% 84% 8F% E5% 91% B3) 　　　common.py 　　　　bb_rotate180() 　　　features.py 　　　　make_input_features() 　　　　make_input_features_from_board() 　　　　make_output_label() 　　　　make_features()

Chapitre 7 5-7 </ b> 　7.5～7.7 　　read_kifu.py 　　　read_kifu()

Chapitre 7 8 </ b> 　7.8 [Utilisation automatique du processeur graphique et du processeur](https://qiita.com/kazunoriri/items/e8541358bb030742cb19#gpu%E3%81%A8cpu%E3%81%AE%E8%87%AA%E5%8B%95%E4 % BD% BF% E3% 81% 84% E5% 88% 86% E3% 81% 91) [protocole pickle](https://qiita.com/kazunoriri/items/e8541358bb030742cb19#pickle%E3%81%AE%E3%83%97%E3%83%AD%E3%83%88%E3%82% B3% E3% 83% AB) 　　train_policy.py

Chapitre 7 9 </ b> 　7.9 Exécution d'apprentissage

Chapitre 8 1-4 </ b> [Implémentation du moteur USI](https://qiita.com/kazunoriri/items/e313efd0026d56e65442#usi%E3%82%A8%E3%83%B3%E3%82%B8%E3%83%B3%E3%81 % AE% E5% AE% 9F% E8% A3% 85) 　　policy_player.py 　　　y = self.model(x) 　　　logits = y.data[0] 　　　probabilities = F.softmax(y).data[0] [Basculement automatique entre GPU / CPU et PC](https://qiita.com/kazunoriri/items/e313efd0026d56e65442#gpucpu%E3%81%A8pc%E3%81%AE%E8%87%AA%E5%8B%95 % E5% 88% 87% E3% 82% 8A% E6% 9B% BF% E3% 81% 88) Paramètre de stratégie Tous les codes Test [Test à partir de la ligne de commande](https://qiita.com/kazunoriri/items/e313efd0026d56e65442#%E3%82%B3%E3%83%9E%E3%83%B3%E3%83%89%E3%83% A9% E3% 82% A4% E3% 83% B3% E3% 81% 8B% E3% 82% 89% E3% 83% 86% E3% 82% B9% E3% 83% 88) [Testé à partir de Google Colab](https://qiita.com/kazunoriri/items/e313efd0026d56e65442#google-colab%E3%81%8B%E3%82%89%E3%83%86%E3%82%B9%E3 % 83% 88) Coordonnées

Chapitre 8 5-9 </ b> [Inscrivez-vous avec le logiciel GUI](https://qiita.com/kazunoriri/items/e0791fb8a975b58db275#gui%E3%82%BD%E3%83%95%E3%83%88%E3%81%AB%E7%99 % BB% E9% 8C% B2) [Problème que l'enregistrement du moteur ne se termine pas](https://qiita.com/kazunoriri/items/e0791fb8a975b58db275#%E3%82%A8%E3%83%B3%E3%82%B8%E3%83%B3%E7% 99% BB% E9% 8C% B2% E3% 81% 8C% E7% B5% 82% E3% 82% 8F% E3% 82% 89% E3% 81% AA% E3% 81% 84% E5% 95% 8F% E9% A1% 8C) Jeu

Chapitre 9 </ b> [Technique d'apprentissage](https://qiita.com/kazunoriri/items/74c800bfa48cba34bb1c#%E5%AD%A6%E7%BF%92%E3%83%86%E3%82%AF%E3%83%8B% E3% 83% 83% E3% 82% AF) 　　SGD 　　Momentum SGD 　　SGD , Batch Normalization

Word </ b> 　shogi.BB_SQUARES 　shogi.COLORS 　shogi.CSA.Parser.parse_file(filepath) 　shogi.PIECE_TYPES_WITH_NONE 　shogi.MAX_PIECES_IN_HAND 　shogi.SQUARES Move class 　　from_square 　　to_square Classe du tableau 　　piece_bb 　　occupied 　　pieces_in_hand

Recommended Posts